深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 45423 篇文献，本页显示第 241 - 260 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2026-06-07 |
Deep learning-enhanced QSAR modeling for predicting developmental neurotoxicity based on molecular initiating events from adverse outcome pathways
2026-Apr, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-025-11454-6
PMID:41575478
|
研究论文 | 提出了一种深度学习增强的QSAR建模框架，用于预测与农药污染大麻相关的发育神经毒性 | 首次将深度学习与AOP框架中的分子起始事件结合，用于预测发育神经毒性，并利用SHAP值增强模型可解释性 | NA | 开发深度学习增强的QSAR模型以预测化学物质的发育神经毒性 | 分子起始事件和关键事件的结合亲和力 | 机器学习 | 发育神经毒性 | QSAR建模 | 深度神经网络 | 分子结构数据 | 24,476种化合物，来自ChEMBL数据库 | NA | 深度神经网络 | 相关系数，均方根误差 | NA |
| 242 | 2026-06-07 |
Artificial intelligence in animal anatomy: Exploring the technologies, applications, benefits, and challenges
2026-Apr, Annals of anatomy = Anatomischer Anzeiger : official organ of the Anatomische Gesellschaft
DOI:10.1016/j.aanat.2026.152796
PMID:41577147
|
综述 | 探讨人工智能在动物解剖学中的应用，包括技术、应用、优势和挑战 | 系统综述了机器学习与深度学习在兽医解剖学中的应用，尤其是计算机视觉和三维建模的整合，以及数字化尸体在教育和诊断中的创新使用 | 数据稀缺、物种间不一致、标准化数据集有限，以及数据异质性和质量问题 | 综述人工智能在动物解剖学中的技术、应用、益处和挑战 | 动物解剖学中的数字技术、机器学习、深度学习、计算机视觉和三维建模 | 机器学习 | 兽医疾病 | 微计算机断层扫描、图像处理 | CNN、深度学习模型 | 图像 | 不适用 | 不适用 | EspINA、ZeBraInspector、Anatomage Table | 不适用 | 不适用 |
| 243 | 2026-06-07 |
Integrating artificial intelligence (AI) into colorectal cancer reporting
2026-Apr, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.70029
PMID:41588707
|
综述 | 探讨将人工智能整合到结直肠癌报告中的进展，包括标准化病理报告和发现新的预后生物标志物 | 提出将传统病理特征与AI衍生预后指标相结合的协调方法以改进风险分层 | 未在文中明确说明，但综述性质可能缺乏实证验证 | 综述AI在结直肠癌病理报告标准化和新型预后生物标志物发现中的应用 | 结直肠癌病理报告和预后评估 | 自然语言处理, 机器视觉 | 结直肠癌 | 深度学习, 多模态视觉语言模型 | 深度学习, 视觉语言模型 | 全切片图像, 文本 | 不适用 | 不适用 | 不适用 | 不适用 | 不适用 |
| 244 | 2026-06-07 |
Accurate enzyme specificity constant prediction with iESC
2026-Apr, Bioresource technology
IF:9.7Q1
DOI:10.1016/j.biortech.2026.134067
PMID:41592658
|
研究论文 | 提出了一种基于酶序列和底物结构预测酶特异性常数（包括米氏常数和转换数）的深度学习模型iESC | 首次仅基于酶序列和底物结构即可准确预测酶特异性常数，无需耗时实验测量 | NA | 准确预测酶特异性常数，加速酶特性表征 | 酶-底物对的动力学参数（K和k值） | 机器学习 | NA | 深度学习 | 深度学习模型 | 酶序列和底物结构 | 41,907个酶-底物动力学参数 | NA | 集成多种先进特征提取和深度学习技术 | 决定系数R、均方根误差RMSE、平均绝对误差MAE | NA |
| 245 | 2026-06-07 |
Deep learning in fetal, infant, and toddler neuroimaging research
2026-Apr, Developmental cognitive neuroscience
IF:4.6Q1
DOI:10.1016/j.dcn.2026.101680
PMID:41604954
|
综述 | 综述深度学习在胎儿、婴儿和幼儿神经影像研究中的应用，包括结构图像分析、数据采集增强、认知与感知过程建模及自动视频标注 | 针对胎儿、婴儿和幼儿神经影像数据稀缺、解剖变异大的挑战，系统总结深度学习在该领域的应用，并提供面向非AI专业人员的DL概念概述 | 应用案例为非穷尽选择，未涵盖所有相关研究；主要针对FIT领域，可能不适用于其他医学影像领域 | 为FIT研究社区（包括临床医生、神经科学家和发展科学家）提供深度学习在神经影像中应用的易懂综述 | 胎儿、婴儿和幼儿神经影像数据 | 医学影像分析 | NA | NA | 深度学习 | 图像、视频 | NA | NA | NA | NA | NA |
| 246 | 2026-06-07 |
Artificial intelligence and multi-omics convergence in breast cancer: Revolutionizing diagnosis, prognostication, and precision oncology
2026-Apr, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2026.105160
PMID:41616992
|
综述 | 总结人工智能与多组学整合在乳腺癌诊断、预后和精准肿瘤学中的进展、挑战与未来方向 | 系统总结深度学习在多模态融合中的代表性框架，提出缺失感知融合、可解释建模及工作流评估等可落地方向 | 缺乏前瞻性临床验证，多中心异质性、跨平台标准化不足、模型可解释性有限等关键障碍 | 促进多模态AI与多组学整合在乳腺癌临床管理中的可靠应用 | 乳腺癌多组学数据（基因组、转录组、表观组、蛋白质组、代谢组）与临床、影像、病理数据 | 机器学习 | 乳腺癌 | 多组学测序（基因组、转录组、表观组、蛋白质组、代谢组） | 深度学习 | 多组学数据、影像、病理、临床变量 | NA | NA | 多模态融合架构、深度表示学习 | NA | NA |
| 247 | 2026-06-07 |
Passive data do not improve prediction or detection of alcohol consumption beyond temporal patterns in major depression: A 90-day cross-validated study
2026-Apr, Addictive behaviors
IF:3.7Q1
DOI:10.1016/j.addbeh.2026.108624
PMID:41610630
|
研究论文 | 本研究探究深度学习模型能否利用被动收集的数据（如加速度计、心率等）检测和预测重度抑郁症患者的酒精使用情况 | 首次在重度抑郁症患者中系统评估被动数据结合深度学习对酒精使用检测和预测的效果，并发现时间模式（如星期几）本身已包含主要预测信号 | 被动数据并未显著提升预测性能，模型效果与仅使用时间信息作为预测因子的基线方法相当，表明模型附加价值有限 | 评估被动数据（来自智能手机和智能手表）对酒精使用的检测和预测能力，并与时间模式基线对比 | 300名临床确诊的重度抑郁症患者 | 机器学习 | 重度抑郁症、酒精使用障碍 | 被动数据采集（加速度计、心率、呼吸频率、屏幕使用、GPS数据） | 深度学习模型（具体未明确指定） | 时间序列数据、自我报告数据 | 300名临床重度抑郁症患者，90天纵向研究 | NA | NA | AUC | NA |
| 248 | 2026-06-07 |
Artificial intelligence for single-omics in ovarian cancer: a methodological review
2026-Apr, International journal of gynecological cancer : official journal of the International Gynecological Cancer Society
IF:4.1Q2
DOI:10.1016/j.ijgc.2025.104452
PMID:41617590
|
综述 | 对2021至2024年间14项应用人工智能于卵巢癌单组学数据的研究进行方法学综述 | 系统总结了AI在卵巢癌基因组、转录组、代谢组、微生物组和表观基因组中的应用，并强调了数据预处理、归一化和特征选择等关键方法学因素 | 样本量小、回顾性单中心设计、验证数据集使用不一致、回归方法应用不足 | 综述AI与组学数据整合在卵巢癌诊断、预后和个性化治疗中的最新进展与挑战 | 上皮性卵巢癌患者的基因组、转录组、代谢组、微生物组和表观基因组数据集 | 机器学习 | 卵巢癌 | NA | CNN, LSTM, GAN | 组学数据（基因组、转录组、代谢组、微生物组、表观基因组） | 14项研究，样本量描述不具体 | NA | 深度学习, 随机森林, 支持向量机 | 分类准确率, AUC | NA |
| 249 | 2026-06-07 |
Predicting functional bioactivities in fermented milk using deep learning on liquid chromatography-mass spectrometry metabolomics
2026-Apr, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2025-27048
PMID:41581659
|
研究论文 | 利用深度学习从液相色谱-质谱代谢组学数据预测发酵乳的功能生物活性 | 提出了一个结合稳健预处理、正则化和数据增强的1D-CNN框架，能够在有限样本量下从LC-MS代谢组学签名高精度预测多项体外生物活性指标 | 样本量较小（仅18个发酵乳样品），且生物活性评估仅限于9项体外试验，可能无法完全代表体内功效 | 探索深度学习能否作为传统化学分析的更快、更高效的替代方案，用于评估发酵乳制品的健康促进性能 | 18份来自骆驼奶和牛奶并用不同细菌菌株发酵的发酵乳样品及其LC-MS代谢组学数据和9项体外生物活性测量值 | 机器学习 | NA | 液相色谱-质谱（LC-MS） | 一维卷积神经网络（1D-CNN） | 代谢组学数据（LC-MS谱图） | 18个发酵乳样品（来自骆驼奶和牛奶，不同菌株发酵） | NA | 1D-CNN | 平均绝对误差（MAE） | NA |
| 250 | 2026-06-07 |
Comparative machine learning and deep learning frameworks for robust carcinogenicity prediction and activity cliff analysis
2026-Mar-25, Environmental science. Processes & impacts
DOI:10.1039/d5em01001b
PMID:41575273
|
研究论文 | 本研究利用机器学习与深度学习方法，构建了大鼠致癌性预测模型，并结合活性悬崖分析进行功能解析 | 融合基于特征与化学语言建模方法，利用c-RASAR和ARKA框架识别活性悬崖并解释误预测原因 | 未明确说明外部数据规模和跨物种验证局限性 | 开发稳健的致癌性预测模型并分析活性悬崖 | 大鼠致癌性二元数据（与人类致癌性相关的工业化学品） | 机器学习 | 致癌性疾病 | NA | 线性判别分析、人工神经网络、逻辑回归、长短期记忆网络 | SMILES字符串、分子描述符 | 未明确说明样本数量 | NA | LSTM | NA | NA |
| 251 | 2026-06-07 |
Improving severity grading of chemotherapy-induced myelosuppression in AML via data-driven and model-based deep learning
2026-Mar-24, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-026-00687-2
PMID:41876533
|
研究论文 | 针对急性髓系白血病化疗引起的骨髓抑制，提出了一种结合机制建模与人工智能的两阶段框架（MM-AI-AML），用于基于治疗前临床数据预测骨髓抑制严重程度 | 首次将机制数学模型与深度学习分类器（TabNet）结合，利用动态模型生成定量严重度指标作为客观标签，显著优于传统分类器（AUC达0.85和0.78） | 未在文内明确说明研究的局限性 | 改善化疗诱导的骨髓抑制严重程度分级，实现个性化风险评估 | 急性髓系白血病患者（479例真实患者和900例虚拟病例）的血液细胞系动力学及临床特征 | 机器学习 | 急性髓系白血病 | NA | TabNet深度神经网络 | 临床数据（51个临床特征） | 479例AML患者和900例虚拟病例 | NA | TabNet | AUC | NA |
| 252 | 2026-06-07 |
VitalDB Arrhythmia Database: An Anesthesiologist-Validated Large-scale Intraoperative Arrhythmia Dataset with Beat and Rhythm Labels
2026-Mar-20, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-026-07076-8
PMID:41862491
|
研究论文 | 介绍VitalDB心律失常数据库，一个经麻醉医师验证的大型术中心律失常数据集，包含心搏和心律标签，用于开发术中心律失常检测算法 | 首个专门为手术患者设计的大型术中心电图数据库，包含经五位麻醉医师严格验证的心搏和心律标签，并开发了自定义深度学习心搏分类器作为自动筛选工具 | 未明确提及限制 | 开发并验证手术患者中心律失常检测算法，提供临床验证的术中心律失常数据并支持多模态分析 | 术中患者心电数据及心律失常节律 | 机器学习 | 心律失常 | ECG | 深度学习 | 心电信号 | 482名手术患者的734,528秒连续心电图数据 | NA | NA | Cohen's kappa | NA |
| 253 | 2026-06-07 |
Deep learning-based in silico labeling for analyzing morphological features of MSCs to predict immunomodulatory capacity
2026-Mar-10, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-026-09833-2
PMID:41807585
|
研究论文 | 提出一种结合深度学习和机器学习的非侵入性人工智能框架，通过形态学分析预测间充质干细胞的免疫调节能力 | 首次将深度学习与机器学习结合，通过细胞形态非侵入性预测间充质干细胞免疫调节能力，避免了传统标记方法的细胞损伤 | 未提及 | 开发一种非侵入性的人工智能方法，通过细胞形态特征实时评估间充质干细胞的免疫调节能力，以改进细胞治疗生产中的质量控制 | 间充质干细胞 | 计算机视觉 | NA | NA | 深度学习与机器学习 | 图像 | 未提及 | PyTorch | PreAct-ResNet50, LightGBM | 准确率 | NA |
| 254 | 2026-06-07 |
Remodeling of non-coding RNA regulatory networks: Decoding the pathological mechanisms and new therapeutic paradigms of cardiovascular diseases
2026-03, Physics of life reviews
IF:13.7Q1
DOI:10.1016/j.plrev.2025.12.007
PMID:41447890
|
综述 | 系统综述非编码RNA在心血管疾病中的表达谱、多层调控机制及诊疗潜力，并提出跨尺度分析框架 | 提出整合网络拓扑、时空梯度与能量/计量约束的跨尺度分析框架，揭示不同心血管疾病表型共享的机制统一性 | ncRNA疗法面临递送效率低、功能冗余及微环境依赖性等现实挑战 | 解码非编码RNA调控网络在心血管疾病中的病理机制并探索新型治疗范式 | microRNA、长链非编码RNA、环状RNA、小核仁RNA等多种非编码RNA分子 | 自然语言处理 | 心血管疾病 | 锁核酸寡核苷酸、腺相关病毒血清型9递送系统、工程化外泌体、单细胞多组学、空间转录组学、CRISPR-dCas9系统、深度学习 | NA | 文本 | NA | NA | NA | NA | NA |
| 255 | 2026-06-07 |
Dbert2_LR: A deep learning-based model for predicting cis-regulatory elements in crops
2026-Mar, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2026.111201
PMID:41544987
|
研究论文 | 提出一种名为Dbert2_LR的深度学习模型，用于预测作物中的顺式调控元件 | 将预训练基因组基础模型DNABERT-2与双向RNN和LSTM网络相结合，高效捕获DNA中的深层上下文依赖和局部序列模式，实现启动子、增强子和非调控序列的高精度分类，并通过计算机模拟饱和突变分析揭示模型依赖于已知转录因子结合基序，增强了生物可解释性 | 在具有大且高度重复基因组（如陆地棉）的作物中，准确识别顺式调控元件仍然极具挑战性，模型在陆地棉上的宏平均F1分数仅为0.637，表明性能有提升空间 | 开发用于预测作物基因组中顺式调控元件的深度学习工具 | 拟南芥和陆地棉中的启动子、增强子和非调控序列 | 机器学习 | NA | NA | DNABERT-2, 双向RNN, LSTM | DNA序列 | NA | NA | Dbert2_LR | 宏平均F1分数 | NA |
| 256 | 2026-06-07 |
AI-Guided Droplet Microreactors Enable Rapid and Reproducible Protein Crystallization
2026-Mar, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202510977
PMID:41552976
|
研究论文 | 提出DCCV平台，集成可编程渗透调控与自动计算机视觉，利用半透性双乳液液滴实现溶质浓度动态调节，并基于深度学习成像系统高通量无标记量化液滴特性，从而在20小时内生成X射线质量的蛋白质晶体 | 首次将可编程渗透调控与自动计算机视觉集成于液滴微反应器中，实现蛋白质结晶过程中溶质浓度的动态后成型调节，解决了传统密封液滴固定浓度限制晶体生长的瓶颈 | NA | 开发快速且可重复的蛋白质结晶平台，以支持药物发现、酶工程和功能生物学中的大分子结构测定 | 蛋白质结晶过程及半透性双乳液液滴中的溶质浓度调节和晶体生长 | 计算机视觉 | NA | 液滴微流控、渗透调控、深度学习成像 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 257 | 2026-06-07 |
Deep learning architectures for modeling and forecasting stroke cases in Ghana
2026-Mar, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association
|
研究论文 | 利用深度学习架构对加纳中风病例进行建模与预测 | 首次将贝叶斯LSTM和卷积LSTM等先进深度学习技术应用于加纳中风负担的时空建模与预测，并整合糖尿病患病率作为协变量 | 未明确提及限制，但可能包括数据来源单一（仅覆盖2018-2023年）以及ConvLSTM和BConvLSTM模型性能显著较差 | 通过深度学习技术对加纳中风发病率进行建模和预测，以支持数据驱动的公共卫生策略 | 加纳2018年至2023年月度中风病例数据 | 机器学习 | 脑血管疾病 | NA | LSTM, 贝叶斯LSTM, 卷积LSTM, 贝叶斯卷积LSTM | 时间序列数据 | 2018-2023年共72个月度数据点 | Python, R | LSTM, 贝叶斯LSTM, 卷积LSTM, 贝叶斯卷积LSTM | 平均绝对误差, 均方误差, 均方根误差, 平均绝对百分比误差 | NA |
| 258 | 2026-06-07 |
Artificial Intelligence Models Integrating Preoperative Prostate MRI and Clinical Parameters for Predicting Extraprostatic Extension: A Systematic Review and Meta-Analysis
2026-Mar, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.70167
PMID:41588994
|
系统综述与荟萃分析 | 评估人工智能模型整合术前前列腺MRI和临床参数预测前列腺癌前列腺外扩展的诊断性能 | 首次系统评估整合放射组学与临床参数的AI模型在EPE预测中的诊断性能，并发现深度学习算法相比传统机器学习具有轻微优势 | 研究异质性来源于MRI方案、分割方法和建模方法的不同，且缺乏统计学显著性的亚组差异 | 评估整合术前前列腺MRI和临床参数的人工智能模型在预测前列腺癌前列腺外扩展中的诊断准确性和潜在临床应用价值 | 前列腺癌患者的前列腺外扩展预测 | 机器学习和数字病理学 | 前列腺癌 | 多参数MRI（T2加权、弥散加权成像）和放射组学 | 深度学习算法和传统机器学习 | 图像和临床参数 | 14项研究，总共2,131名患者 | NA | NA | 敏感性、特异性、AUC、诊断优势比 | NA |
| 259 | 2026-06-07 |
Parental Stress and Caregiver Role Modulate Child-Caregiver Prosodic Synchrony in Autism: A Computational Analysis
2026-Mar, Autism research : official journal of the International Society for Autism Research
IF:5.3Q1
DOI:10.1002/aur.70189
PMID:41589917
|
研究论文 | 分析自闭症儿童亲子韵律同步中父母压力与照顾者角色的影响 | 首次将复杂动态系统理论与情感计算框架结合，利用深度学习自动分割亲子声学互动，探讨父母压力对韵律同步的影响并区分父亲与母亲的角色差异 | 样本量有限（62对互动），且仅关注自闭症儿童，未纳入典型发育儿童对照 | 探究父母压力如何影响自闭症儿童与父母的韵律同步，并分析照顾者角色（母亲vs父亲）的调节作用 | 31名自闭症学龄前儿童及其父母（分别与母亲和父亲互动） | 自然语言处理 | 自闭症 | NA | 深度学习模型 | 音频 | 62对亲子互动记录（31名儿童与父母各互动一次，共两个时间点） | PyTorch | NA | 准确性 | NA |
| 260 | 2026-06-07 |
Comparative Analysis of Deep Learning-Based Algorithms for Peptide Structure Prediction
2026-03, Proteins
IF:3.2Q2
DOI:10.1002/prot.70049
PMID:41047732
|
研究论文 | 对比分析基于深度学习的算法在肽结构预测中的性能 | 首次系统比较AlphaFold2、RoseTTAFold2和ESMFold在肽类3D结构预测中的表现，并识别影响预测质量的特定结构特征 | 所测试方法的整体性能低于对蛋白质3D结构的预测，某些生成的肽结构需谨慎使用 | 评估深度学习算法对肽类3D结构预测的准确性和局限性 | 肽的3D结构预测 | 机器学习 | NA | 深度学习 | CNN, Transformer | 序列数据 | NA | NA | AlphaFold2, RoseTTAFold2, ESMFold | NA | NA |